TensorFlow assert和布尔值检查函数
来源于 W3Cschool ，写到博客只是方便查看和记录，并且自己敲一边，为了速记。
tf.assert_negative
negative 的意思是对 x 的每个元素x[i] ,我们有 x[i] < 0.如果不满足，则抛出错误 InvalidArgumentError。如果x是空的,该条件很容易成立.
原型
assert_negative (
x ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
- x：数值张量.
- data：如果条件为 False,则打印出张量.默认为错误消息和 x 的前几个条目.
- summarize：打印个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选).默认为 “assert_negative”.
用例
import tensorflow as tf
x = [-1.4, -2]
sess = tf.Session()
with tf.control_dependencies([tf.assert_negative(x)]):
output = tf.reduce_sum(x)
print(sess.run(output))
tf.assert_positive
Positive 的意思是,对于 x 的每一个元素 x[i],我们有 x[i] > 0.如果x是空的,该条件很容易成立.
原型
assert_positive (
x ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
- x：数值张量.
- data：如果条件为 False,则打印出张量.默认为错误消息和 x 的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选).默认为 “assert_positive”.
用例
with tf.control_dependencies([tf.assert_positive(x)]):
output = tf.reduce_sum(x)
tf.assert_proper_iterable
静态断言值是“适当的”迭代.
期望张量可以迭代的 Ops 可以调用它来验证输入.由于张量、ndarray、byte / text 类型都是 iterables 本身,所以是有用的.
原型
assert_proper_iterable (values)
参数
- values：要检查的对象.
用例
举：
- TypeError：如果值不是迭代或者不是 Tensor、SparseTensor、np.array、 tf.compat.bytes_or_text_types 中的一个.
tf.assert_non_negative
断言条件 x >= 0 的持有元素.
原型
assert_non_negative (
x ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- data：如果条件为 False,则打印出张量.默认为错误消息和 x 的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选).默认为 “assert_non_negative”.
返回：
- 提高 InvalidArgumentError 的操作,除非 x 都是是非负的.
用例
with tf.control_dependencies ([tf.assert_non_negative (x)])：
output = tf.reduce_sum(x)
Non_negative 的意思是,对于 x 的每个元素 x[i] ,我们有 x[i] >= 0.如果 x 是空的,该条件很容易满足.
tf.assert_non_positive
断言条件x <= 0保持元素.
原型
assert_non_positive (
x ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- data：如果条件为 False,则打印出张量.默认为错误消息和 x 的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选).默认为 “assert_non_positive”.
返回：
- 提高 InvalidArgumentError 的操作,除非 x 都是非正的.
用例
with tf.control_dependencies ([ tf.assert_non_positive (x)] )： output = tf.reduce_sum (x)
Non-positive的意思是,对于每个元素 x[i],我们有 x[i] =0.如果 x 是空的,该条件很容易满足.
tf.assert_equal
断言条件 x == y 包含的元素.
原型
assert_equal (
x ,
y ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- y：数值张量,相同的 dtype 类型并且可广播到 x.
- data：如果条件为假,打印出来张量.默认为错误消息和 x,y的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选),默认为 “assert_equal”.
返回：
- 如果 x = = y 为 False, 则引发 InvalidArgumentError 的操作.
用例
with tf.control_dependencies ([tf.assert_equal (x ,y)] )：
output = tf.reduce_sum (x)
如果对于每对(可能广播)元素 x[i],y[i] 来说该条件成立,我们有 x[i] == y[i].如果 x 和 y 都是空的,这很容易满足.
tf.assert_integer
原型
断言 x 是整数 dtype.
assert_integer (
x ,
message = None ,
name = None
)
参数
参数：
- x：张量的 basetype 是整数并且未被量化.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选).默认为“assert_integer”.
注意：
- TypeError：如果 x.dtype 是非量化整数的话.
返回：
- 返回一个 no_op,它什么也不做,类型可以被定义为静态的.
用例
with tf.control_dependencies ([tf.assert_integer (x)] )：
output = tf.reduce_sum (x)
tf.assert_less
断言条件 x < y 持有的元素.
原型
assert_less (
x ,
y ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- y：数值张量,相同的 dtype 并且可广播到 x.
- data：如果条件为 False,则打印出张量.默认为错误消息和 x,y 的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选),默认为 “assert_less”.
返回：
- 如果 x < y 是 False ,则引起 InvalidArgumentError 的操作.
用例
with tf.control_dependencies ([tf.assert_less (x,y)])： output= tf.reduce_sum ( x )
如果对于每对(可能广播)元素 x[i],y[i],我们有 x[i] < y[i].如果 x 和 y 都是空的,则很容易满足条件
tf.assert_less_equal
断言条件 x <= y 的持有元素.
原型
assert_less_equal (
x ,
y ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- y：数值张量,相同的 dtype,并且可广播到 x.
- data：如果条件为 False,则打印出张量.默认为错误消息和 x,y 的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选),默认为 “assert_less_equal”.
返回：
- 如果 x <= y 是 False ,则引起 InvalidArgumentError 的操作.
用例
with tf.control_dependencies ([tf.assert_less_equal (x,y)] )：
output=tf.reduce_sum(x)
这种情况下,如果对于每对(可能广播)元素 x[i],y[i], 我们有 x[i] <= y[i].如果 x 和 y 都是空的,该条件很容易满足.
tf.assert_greater
断言条件 x > y 包含的元素.
原型
assert_greater (
x ,
y ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- y：数值张量,相同的 dtype 并且可广播到x.
- data：如果条件为假,打印出来张量.默认为错误消息和 x,y的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选),默认为 “assert_greater”.
返回：
如果 x > y 是 False ,则引发 InvalidArgumentError 的操作.
用例
with tf.control_dependencies ([ tf . assert_greater (x , y)] )：
output = tf.reduce_sum (x)
如果对于每对(可能广播)元素 x[i],y[i],该条件成立的话,我们有 x[i] > y[i].如果 x 和 y 是空的,这很容易满足.
tf.assert_greater_equal
断言条件 x >= y 包含的元素.
原型
assert_greater_equal (
x ,
y ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- y：数值张量,相同的 dtype 并且可广播到 x.
- data：如果条件为假,打印出来张量.默认为错误消息和 x,y 的前几个条目.
- summarize：打印每张张数的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选),默认为 “assert_greater_equal”.
返回：
- 如果 x >= y 是 False ,则引起 InvalidArgumentError 的操作.
用例
with tf.control_dependencies ([tf.assert_greater_equal ( x ,y)] )：
output = tf.reduce_sum (x)
如果对于每对(可能广播)元素 x[i],y[i],这个条件成立,则有 x[i] >= y[i].如果 x 和 y 是空的,这很容易满足.
tf.assert_rank
断言 x 的秩等于秩.
原型
assert_rank (
x ,
rank ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- rank：标量整数张量.
- data：如果条件为 False,则打印出张量.默认为错误消息和 x 的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选),默认为 “assert_rank”.
返回：
- 提高 InvalidArgumentError 的操作,除非 x 已经有指定的秩.如果静态检查确定 x 具有正确的秩,则返回 no_op.
注意：
- ValueError：如果静态检查确定 x 的秩错误.
用例
with tf.control_dependencies ([ tf.assert_rank( X , 2 )] )：
output = tf.reduce_sum ( x )
tf.assert_rank_at_least
断言 x 具有相等的秩或者更高的秩.
原型
assert_rank_at_least (
x ,
rank ,
data = None ,
summarize = None ,
message = None ,
name = None
)
参数
参数：
- x：数值张量.
- rank：标量张量.
- data：如果条件为 False,则打印出张量.默认为错误消息和 x 的前几个条目.
- summarize：打印每个张量的许多条目.
- message：对默认消息进行前缀操作的字符串.
- name：此操作的名称(可选).默认为 “assert_rank_at_least”.
返回：
- 提高 InvalidArgumentError 的操作,除非 x 已经指定秩或更高.如果静态检查确定 x 具有正确的秩,则返回 no_op.
注意：
- ValueError：如果静态检查确定 x 的秩错误.
用例
with tf.control_dependencies ([tf.assert_rank_at_least(X ,2 )] )：
output = tf.reduce_sum ( x )
tf.assert_type
静态断言给定的张量是指定的类型.
原型
assert_type (
tensor ,
tf_type ,
message = None ,
name = None
)
参数
参数：
- tensor：一个 tensorflow 张量.
- tf_type：tensorflow 的类型(dtypes.float32,tf.int64,dtypes.bool等).
- message：对默认消息进行前缀操作的字符串.
- name ：给这个 Op 的名称.默认为 “assert_type”.
举：
- TypeError：如果张量数据类型与 tf_type 不匹配.
返回：
- 返回 no_op,什么也不做.类型可以静态确定.